OpenCV中的图像阈值化操作详解（代码实现）

目录

引言

什么是图像阈值化？

cv2.threshold函数概述

python代码实现图像阈值化

完整代码展示

---

引言

图像处理是计算机视觉和图像分析的一个重要领域，其中阈值化是一项常用的图像处理技术之一。在OpenCV（Open Source Computer Vision Library）中，提供了许多用于图像处理的函数和工具，其中cv2.threshold函数用于执行图像阈值化操作。本篇博客将详细介绍cv2.threshold函数，包括其参数、工作原理以及如何在实际应用中使用它。

什么是图像阈值化？

图像阈值化是一种图像处理技术，它根据图像内像素点强度的分布规律设置一个阈值，然后根据像素点强度高于或低于这个阈值来进行一些处理。简单来说，就是通过设置一个阈值，将图像转换为二值图像，即像素点只有两种可能的强度值（通常是0和255）。这种处理技术可以用来突出图像中的特定区域或特征，例如边缘或纹理，从而简化后续的图像分析和处理步骤。。阈值化还可以用于分割图像中的目标对象，去除噪声，或者强调感兴趣的区域。

cv2.threshold函数概述

cv2.threshold函数是OpenCV中用于执行图像阈值化操作的函数之一。它采用图像作为输入，并根据指定的阈值将像素值分成两个类别：小于阈值的像素和大于等于阈值的像素。cv2.threshold() 函数原型如下：

ret, threshold = cv2.threshold(src, thresh, maxval, type) 

其中各参数的含义如下：

• src：输入图像，必须是灰度图。
• thresh：阈值。
• maxval：当像素值超过了阈值（或者小于阈值，取决于阈值类型）所赋予的值。

• type：阈值化的类型，它指定了像素分类的方式。OpenCV提供了多种不同的阈值化类型，包括：

  • cv2.THRESH_BINARY：二值化，像素值大于阈值的被赋予maxval，小于阈值的被赋予0。
  • cv2.THRESH_BINARY_INV：反二值化，与cv2.THRESH_BINARY相反，像素值大于阈值的被赋予0，小于阈值的被赋予maxval。
  • cv2.THRESH_TRUNC：截断，像素值大于阈值的被赋予阈值，小于阈值的不变。
  • cv2.THRESH_TOZERO：设置为零，像素值小于阈值的被赋予0，大于阈值的不变。
  • cv2.THRESH_TOZERO_INV：反设置为零，与cv2.THRESH_TOZERO相反，像素值小于阈值的不变，大于阈值的被赋予0。
  • cv2.THRESH_OTSU：这是 Otsu 的二值化方法。这个方法会自动计算最佳阈值，使得两类的类间方差最大。当你使用 Otsu 方法时，设置的阈值（这里是0）会被忽略，Otsu 方法会自动计算一个最佳阈值。

cv2.threshold函数将返回两个值：

• ret：实际使用的阈值，当使用 Otsu 方法时，这个值是自动计算的阈值
• threshold：阈值化后的图像，即像素被分为两个类别的结果。

python代码实现图像阈值化

1.读取图像 

import cv2
# 读取图像
image = cv2.imread('image.jpg', 0)  # 以灰度模式读取图像

2.使用 cv2.threshold()进行阈值化处理

# 阈值化操作
thresh, thresholded = cv2.threshold(image, 220, 255, cv2.THRESH_BINARY)

3.显示原始图像和阈值化后的图像 

# 显示原始图像和阈值化后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Thresholded Image', thresholded)

cv2.waitKey(0)
cv2.destroyAllWindows()

4.运行结果展示：

 

完整代码展示

import cv2

# 读取图像
image = cv2.imread('lufei.jpg', cv2.IMREAD_GRAYSCALE)  # 以灰度模式读取图像

# 阈值化操作
thresh, thresholded = cv2.threshold(image, 200, 255, cv2.THRESH_BINARY)

# 显示原始图像和阈值化后的图像
cv2.imshow('Original Image', image)
cv2.imshow('Thresholded Image', thresholded)

cv2.waitKey(0)
cv2.destroyAllWindows()